Spring Framework中Tomcat 11升级导致的WebFlux集成测试问题分析
问题背景
在Spring Framework项目中,当升级到Tomcat 11版本后,WebFlux模块的集成测试开始出现间歇性失败。这个问题主要出现在客户端发送请求体时,服务器在提交响应后关闭连接的情况下。
错误现象
测试失败时,Tomcat会抛出BadRequestException异常,错误信息为"Invalid end of line sequence (character other than CR or LF found)"。这表明Tomcat在解析HTTP请求时遇到了问题,认为请求格式无效。
从日志中可以看到,错误发生在Tomcat的ChunkedInputFilter类中,具体是在解析CRLF(回车换行)序列时。当Tomcat无法正确识别行结束符时,就会抛出这个异常。
技术分析
这个问题实际上与Tomcat 10.1.29版本引入的一个变更有关。在Tomcat的这个版本中,对分块传输编码(chunked transfer encoding)的处理变得更加严格,特别是在解析CRLF序列时。
在WebFlux的测试场景中,当使用MultipartHttpMessageWriter编码多部分请求时,生成的请求体可能在某些情况下不符合Tomcat新版本对CRLF序列的严格校验要求。这导致了Tomcat拒绝处理这些请求,从而引发测试失败。
解决方案
这个问题已经在Tomcat的后续版本中得到修复。具体来说,Apache Tomcat团队在Tomcat 10.1.31版本中解决了这个CRLF解析严格性问题。
对于使用Spring Framework的开发者来说,解决方案有以下几种:
- 升级到包含修复版本的Tomcat(10.1.31或更高版本)
- 如果暂时无法升级,可以回退到Tomcat 10.1.28版本
- 等待Spring Framework的下一个版本,其中会包含对Tomcat新版本的兼容性更新
影响范围
这个问题主要影响以下场景:
- 使用WebFlux模块的Spring应用
- 运行在Tomcat 10.1.29至10.1.30版本上
- 涉及多部分文件上传或分块传输编码的请求处理
最佳实践
对于生产环境,建议开发者:
- 在升级Tomcat版本前,充分测试多部分请求的处理
- 关注Spring Framework和Tomcat的版本兼容性说明
- 对于关键业务系统,考虑采用更保守的升级策略
总结
Tomcat 11升级带来的这个问题展示了底层容器与框架之间微妙的兼容性问题。Spring团队正在积极跟进Tomcat的修复,确保WebFlux模块能够在新版本Tomcat上稳定运行。开发者应当注意版本依赖关系,并在升级时进行充分的测试验证。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00